我需要降低图片的实际分辨率，以便4像素矩形中的每个像素都是这4像素的平均值。
即
p1 p2 p6 p7 a1 a1 a2 a2
p3 p4 p8 p9 ... -> a1 a1 a2 a2 where a1 = average(p1, p2, p3, p4), a2 = average(p6, p7, p8, p9) etc
使用python / opencv不能操纵单个像素是否可以有效地做到这一点？双线性/最近邻居是否重新缩小并返回到原始分辨率会产生请求的结果（而不仅仅是视觉效果）？图片是单色的。
答案 0 :(得分：2)
如果您对基于透明numpy / indexing的解决方案感兴趣，请尝试以下方法：
我使用一些虚拟数据来测试解决方案：
img = np.array([range(0,4), range(4, 8), range(8, 12), range(12, 16)])
这为我们提供了以下'形象'：
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]
[12 13 14 15]]
然后我通过采用每一个元素来创建四个子图像：
subimg1 = img[::2, ::2]
subimg2 = img[1::2, ::2]
subimg3 = img[::2, 1::2]
subimg4 = img[1::2, 1::2]
现在您可以使用numpy平均相应的样本：
average = np.average([subimg1, subimg2, subimg3, subimg4], 0)
创建输出：
output = np.zeros(img.shape)
output[::2, ::2] = average
output[1::2, ::2] = average
output[::2, 1::2] = average
output[1::2, 1::2] = average
给定测试数据的输出为：
[[ 2.5 2.5 4.5 4.5]
[ 2.5 2.5 4.5 4.5]
[ 10.5 10.5 12.5 12.5]
[ 10.5 10.5 12.5 12.5]]